rigor

Inferencia estadística verificada para agentes de IA.

Los LLM son decentes recitando estadísticas, pero malos haciéndolo de manera confiable — un estadístico t o un tamaño de muestra requerido es un número recordado de los datos de entrenamiento, no calculado y verificado. rigor es la alternativa: pruebas de hipótesis clásicas, tamaños del efecto, cálculo de potencia/tamaño de muestra y corrección de comparaciones múltiples, calculados desde cero y devueltos como una respuesta citada y con supuestos verificados.

Construido como un servidor MCP: un escaneo del ecosistema MCP actual (Context7 para documentación de código, varios servidores de física/ingeniería/química/geo, incluso la integración con STAAD de Bentley) encontró que estadísticas/diseño experimental es una de las pocas necesidades comunes de agentes que nadie había cubierto todavía.

Las estadísticas en sí (rigor/distributions.py, inference.py, effect_size.py, power.py, corrections.py) son biblioteca estándar pura, sin dependencias. El paquete en su conjunto depende del SDK oficial mcp, ya que el servidor MCP es una parte de primera clase de lo que distribuye, no un complemento — ver Instalación.

Instalación

pip install rigor-mcp

(la distribución en PyPI es rigor-mcp ya que el simple rigor ya estaba ocupado por un paquete no relacionado; el paquete importable y el comando CLI son ambos simplemente rigor.) Esto te da ambos comandos de consola, rigor (CLI) y rigor-mcp (servidor MCP) — deliberadamente una sola instalación, sin extras que acertar, ya que uvx rigor-mcp (cómo la mayoría de los clientes MCP invocarían esto realmente) no tiene forma de solicitar un extra.

Related MCP server: Dr. QuantMaster MCP Server

Qué incluye

• rigor/distributions.py — distribuciones t, chi-cuadrado y F construidas desde cero con stdlib (gamma/beta incompleta regularizada), verificadas contra identidades exactas de forma cerrada (t(1) = Cauchy, chi2(2) = exponencial escalada, t² = F(1, gl)) en lugar de una transcripción confiable.

• rigor/inference.py — pruebas t de una/dos muestras y pareadas, pruebas z de una/dos proporciones, chi-cuadrado de bondad de ajuste e independencia, ANOVA de una vía. Cada una devuelve un TestResult: estadístico, grados de libertad, valor p de dos colas, un intervalo de confianza, una cita y advertencias de supuestos (p. ej., dependencia de normalidad con n pequeña, recuentos de celdas esperados bajos).

• rigor/effect_size.py — d de Cohen, g de Hedges, h de Cohen, V de Cramér.

• rigor/power.py — potencia y tamaño de muestra requerido para la prueba t de dos muestras y la prueba z de dos proporciones. Las dos direcciones (dado n, encontrar potencia; dada potencia, encontrar n) son inversas numéricas exactas entre sí por construcción (bisección en la misma función de potencia subyacente), y verificadas contra el caso de referencia del libro de texto de Cohen (1988) d=0.5/α=.05/potencia=.80 (n≈64).

• rigor/corrections.py — corrección de comparaciones múltiples de Bonferroni y Benjamini-Hochberg (FDR).

• rigor/cli.py — una CLI sobre todo lo anterior (rigor.py en la raíz del repositorio es un shim delgado para que python3 rigor.py ... también funcione desde un checkout simple, sin instalar nada).

• rigor/mcp_server.py — un envoltorio de herramienta MCP que expone las 17 operaciones a cualquier cliente MCP (Claude Code, Claude Desktop, etc.). Probado de extremo a extremo sobre stdio contra un cliente real — descubrimiento de herramientas más llamadas representativas verificadas contra valores de referencia conocidos, incluido el recorrido completo que aún aterriza el caso de Cohen (1988) en n=63.

Uso

CLI, una vez instalado:

rigor ttest one-sample --data 5.1,4.9,5.3,5.0,4.8,5.2 --mu0 5.0
rigor power ttest-2samp --effect-size 0.5 --power 0.8
rigor --help   # full list of subcommands (ttest, ztest, chi2, anova, effect-size, power, correct)

o directamente desde un checkout sin instalar nada:

python3 rigor.py ttest one-sample --data 5.1,4.9,5.3,5.0,4.8,5.2 --mu0 5.0

Servidor MCP, sobre stdio (el transporte que los clientes locales como Claude Code esperan):

pip install rigor-mcp
rigor-mcp

o desde un checkout: pip install mcp && python3 -m rigor.mcp_server.

Regístralo con Claude Code:

claude mcp add rigor -- rigor-mcp

(o, desde un checkout: claude mcp add rigor -- python3 -m rigor.mcp_server, ejecutado desde la raíz de este repositorio o con una ruta de módulo absoluta). Para interacción interactiva con el MCP Inspector, ejecútalo como un script en lugar del comando instalado — lo que significa que la raíz del paquete debe colocarse en la ruta manualmente, ya que el Inspector importa el archivo directamente:

pip install "mcp[cli]"
PYTHONPATH=. mcp dev rigor/mcp_server.py

Un caso límite a nivel de transporte, manejado

cohens_d devuelve correctamente +inf/-inf para muestras con varianza cero (según su propio contrato documentado), pero los flotantes no finitos se serializan a JSON null sobre el contenido estructurado de MCP — lo que solía fallar el esquema de salida con tipo numérico de la herramienta y bloquear la llamada. La herramienta MCP cohens_d ahora devuelve {"value": float | null, "warnings": [...]} en lugar de un flotante simple, por lo que ese caso se informa explícitamente (valor null, una advertencia que nombra la dirección) en lugar de explotar. Cada otra herramienta numérica aquí está acotada y siempre es finita para una entrada válida, por lo que este tratamiento es específico para cohens_d.

Pruebas

python3 -m unittest discover -s tests -v

70 pruebas: 65 ejercitan las estadísticas directamente; 5 generan mcp_server.py como lo haría un cliente MCP real y verifican los resultados a través de la red (omitidas automáticamente si mcp no está instalado).

Licencia

MIT — ver LICENSE.